典型文献
特征重要性动态提取的广告点击率预测模型
文献摘要：
点击率预测(Click-Through Rate,CTR)是在线展示广告中的一项关键任务,CTR预测任务中涉及的数据通常有多个特征,对其中的重要特征提取、建模的方式极大地影响了 CTR预测的准确性.以往方法在特征重要性提取过程中存在信息干扰问题.针对这一问题,提出了一种特征重要性动态提取的广告点击率预测模型.该模型将门控机制引入CTR模型对特征重要性进行初步筛选,同时利用了挤压提取网络获取特征重要性,并通过双线性交互获得重要性特征之间的关联信息,最后使用了隐藏门控残差网络学习高阶信息交互.通过对两个真实广告数据集进行的广泛实验,证明了其能够比传统的点击率预测模型以及最新的基于深度学习的预测模型获得更好的准确度.
文献关键词：
点击率预测;特征重要性提取;门控机制;残差网络;深度神经网络
中图分类号：
作者姓名：
蒋兴渝;黄贤英;陈雨晶;徐福
作者机构：
重庆理工大学计算机科学与工程学院,重庆400054
文献出处：
引用格式：
[1]蒋兴渝;黄贤英;陈雨晶;徐福-.特征重要性动态提取的广告点击率预测模型)[J].小型微型计算机系统,2022(05):976-984
A类：
特征重要性提取
B类：
广告点击率,点击率预测,Click,Through,Rate,CTR,关键任务,数据通,干扰问题,将门,门控机制,初步筛选,双线性,性交,联信,门控残差,残差网络,网络学习,信息交互,深度神经网络
AB值：
0.280951
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
